AI在药物设计中的应用 - Isomorphic Labs 旨在创建一个 AI 药物设计引擎，能够针对任何疾病和蛋白质靶点，设计出调节蛋白质和细胞功能的分子，从而改善患者的病情 [1] - 行业普遍认为，五年内，不使用 AI 进行药物设计就像在科学研究中不使用数学一样 [1][43] - AlphaFold 3 可以在几秒钟内预测分子结构，而传统的 X 射线晶体学方法可能需要数月甚至数年 [3] - AI 模型通过分析包含数十万个 3D 结构的蛋白质数据库（Protein Data Bank, PDB），学习并泛化到新的蛋白质和分子 [2] - AI 可以通过生成模型和搜索方法，在 10^60 数量级的巨大分子设计空间中进行智能探索，找到合适的药物分子 [2] 药物研发的挑战与未来 - 解决复杂疾病的难点在于对疾病驱动因素的理解不足，以及癌症等疾病的持续进化 [1][2] - 药物设计不仅要考虑分子与靶蛋白的结合，还要考虑结合强度、对其他蛋白质的潜在副作用、稳定性、溶解性等多种相互制约的因素 [6][7] - 临床试验失败率高达 90%，主要原因是动物模型不能很好地复制人类生理 [27][28] - AI 可以通过预测分子与其他蛋白质的相互作用，在药物设计早期发现潜在的毒性和副作用 [31][32] - 药物研发行业有很高的失败率，平均 20 个药物化学家只有 1 个能成功将药物推向市场 [39] - 预计未来五年内，将会有 AI 设计的药物获得批准上市，AI 将在药物研发的各个阶段发挥更大的作用 [41][42]